[发明专利]一种图像处理方法和装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理图像；

利用预先训练好的语义分割模型处理所述待处理图像，其中，所述语义分割模型是基于迭代更新的已标记图片集合和未标记图片集合，迭代训练全卷积神经网络得到，迭代更新所述已标记图片集合和所述未标记图片集合与迭代训练所述全卷积神经网络同步；

根据处理的结果，对所述待处理图像包括的像素点进行标记；

根据标记结果，确定所述待处理图像包括的目标。

2.根据权利要求1所述的图像处理方法，其特征在于，所述利用预先训练好的语义分割模型处理所述待处理图像，包括：

将所述待处理图像分别进行水平翻转、垂直翻转以及对折翻转，得到三张待处理翻转图像；

将三张所述待处理翻转图像输入所述语义分割模型包括的训练好的全卷积神经网络。

3.根据权利要求2所述的图像处理方法，其特征在于，所述利用预先训练好的语义分割模型处理所述待处理图像，进一步包括：

对训练好的全卷积神经网络输出的针对三张所述待处理翻转图像的输出结果进行锐化转换，得到三张待处理特征图；

将所述三张待处理特征图组合成一张新的待处理特征图；

对所述新的待处理特征图进行分别对应于水平翻转、垂直翻转以及对折翻转，得到三张新的待处理翻转图像；

基于所述待处理图像的三张待处理翻转图像以及三张新的待处理翻转图像，利用训练好的全卷积神经网络计算所述待处理图像中的像素点属于预设类型的概率。

4.根据权利要求3所述的图像处理方法，其特征在于，所述对所述待处理图像包括的像素点进行标记，包括：

根据计算出的所述像素点属于预设类型的概率，对所述像素点进行标记。

5.根据权利要求3所述的图像处理方法，其特征在于，所述将所述三张待处理特征图组合成一张新的待处理特征图，包括：

将所述三张待处理特征图的对应位置的像素点进行加权平均；

根据加权平均的结果以及像素点的位置，生成新的待处理特征图。

6.根据权利要求1所述的图像处理方法，其特征在于，所述确定所述待处理图像包括的目标，包括：

根据预设的目标与标记的标签之间的对应关系，确定所述待处理图像的标记结果对应的目标。

7.根据权利要求1所述的图像处理方法，其特征在于，还包括：

迭代训练全卷积神经网络，以得到训练好的语义分割模型，其中，

针对训练所述全卷积神经网络的每一个迭代周期执行下述操作，直至满足迭代停止条件：

确定当前迭代周期所使用的已标记图片集合和未标记图片集合，其中，所述已标记图片集合包括有多个已标记图片，所述未标记图片集合包括有多个未标记图片；

利用所述已标记图片集合和所述未标记图片集合训练全卷积神经网络；

根据训练的结果，计算模型损失；

根据所述模型损失，调整所述全卷积神经网络的参数；

更新所述已标记图片集合和所述未标记图片集合，并将更新后的已标记图片集合和更新后的未标记图片集合作为下一迭代周期的已标记图片集合和未标记图片集合，并将调整后的全卷积神经网络作为下一个迭代周期的全卷积神经网络。

8.根据权利要求7所述的图像处理方法，其特征在于，所述利用所述已标记图片集合和所述未标记图片集合训练全卷积神经网络，包括：

针对所述未标记图片集合包括的每一个未标记图片，执行将所述未标记图片分别进行水平翻转、垂直翻转以及对折翻转，得到三张翻转图片；

将每一个所述未标记图片的三张翻转图片和所述已标记图片集合包括的每一个已标记图片输入所述全卷积神经网络。

9.根据权利要求7所述的图像处理方法，其特征在于，所述计算模型损失，包括：

分别计算针对所述已标记图片集合的第一损失以及针对所述未标记图片集合的第二损失；

利用所述第一损失和所述第二损失，计算所述模型损失。